エニアグラムはどこまで正確？ 信頼性・妥当性とタイプが変わる理由

前回はタイプ4だったのに、もう一度受けたらタイプ5だった、サイトごとに番号が違った、ウイングが4w3から4w5に変わった、という話はよくあります。すると「エニアグラムの検査は正確ではないの？」「本当の自分のタイプは何番？」という疑問が自然にわいてきます。

結論から言うと、結果が変わるのは珍しいことではなく、説明できる理由があります。まず研究の面では、104の標本を検討した系統的レビューが、エニアグラムの信頼性と妥当性の根拠はまちまちだとまとめています（Hook ほか, 2021, 要旨による）。また、エニアグラムの検査は一つではなくいくつもあり、検査ごとに設問と採点の仕方が違います。そして1位と2位のタイプの点数が近いと、回答がいくつか変わるだけで順位が入れ替わります。

この記事では、研究者がエニアグラムの正確さをどう検討してきたか、検査ごとに結果が違う理由、人が本当に九つのタイプに分かれるのかをめぐる研究、点数が近いときにタイプが入れ替わる仕組み、結果が食い違ったときの読み方を順にまとめました。正解の番号を決める記事というより、自分の結果を迷わず、役立つ形で読むための記事です。MBTIの結果が変わる理由はMBTI診断の正確さのガイドにまとめています。

心理検査の正確さを考えるときは、ふつう二つの点を見ます。信頼性は、同じ人がもう一度受けたときに似た結果が出るか（再検査信頼性）、一つのタイプを測る設問どうしが一貫して動くか（内的一貫性）ということです。妥当性は、その検査が測ろうとしているものを実際に測っているか、結果がほかの検査や実際の姿と意味のある形で結びつくかということです。

エニアグラムは、はじめから測定の道具として作られたものではありません。九つの点を結んだ図形はグルジェフ（1872〜1949）が西洋に紹介しましたが、九つの性格タイプを説明してはいませんでした。この図形に性格タイプを当てはめ始めたのはオスカー・イチャーゾで、精神科医のクラウディオ・ナランホがそれを性格理論へと発展させました。1980年代初めから、ナランホに学んだ人たちがエニアグラムをほかの人に教えるようになりました（Sutton, 2007）。スーフィズムのような古い伝統から来たという話もありますが、起源の説明はまちまちで、イチャーゾ自身はスーフィー起源を否定しています（Sutton, 2007）。九つのタイプの特徴はエニアグラム9タイプの特徴をひと目でにまとめています。

相談に訪れる人の多くが自分の性格や対人関係のパターンを理解するのにエニアグラムを使っていることから出発した系統的レビューは、104の独立した標本を検討し、信頼性と妥当性の根拠はまちまちだと結論づけました。強みとしては、一部の因子分析の結果が理論と部分的に一致したこと、下位尺度がBig Fiveなどほかの性格特性と理論どおりの関係を示したこと、いくつもの研究で個人的・霊的な成長に役立ったとされたことを挙げています。弱みとしては、因子分析では多くの場合九つより少ない因子しか出なかったこと、クラスター分析で九つのタイプを探した研究がまだないこと、ウイングやタイプ間の移動といった補助的な考え方を裏づける研究が少ないことを挙げています（Hook ほか, 2021, 要旨による）。

この結論は「根拠がまったくない」という意味でも、「科学的な検証が済んだ」という意味でもありません。理論に合う結果と合わない結果が混ざっていて、何より、人が実際に九つのタイプに分かれるのかはまだ確かめられていないということです。ですから検査で1位になった番号は、測定で確かめられた境界というより、いちばん点数の高いタイプを自分のタイプと呼ぶという取り決めに近いものです。

エニアグラムには、誰もが使う公式の検査がありません。RHETIを作ったリソとハドソンも、エニアグラムには広く合意された解釈が今もなく、これまでもなかったと書いています（Riso & Hudson, 2000, Scott, 2011による）。RHETIは二つの文のうち自分により当てはまるほうを選ぶ144組でできており（Newgent, 2001, Scott, 2011による）、九つの短い文章を読んで自分をよく表すものを選び、順位をつける検査もあり（Daniels & Price, 2009, Scott, 2011による）、韓国の研究では81問・5段階の韓国版エニアグラム性格タイプ検査が使われてきました（Jin & Youn, 2009, 要旨による）。設問と採点がこれだけ違えば、同じ人でも検査によって違う番号が出ることがあります。

mind.ioのエニアグラム診断は、このどれでもありません。RHETIやほかの商用検査を移したものではなく、mind.ioが独自に書いた45問（タイプごとに5問、うち2問は逆向きに採点）に1〜5で答える独自の検査です。タイプごとに取りうる最低点と最高点のあいだで0〜100点に換算しており、この検査の再検査信頼性や妥当性はまだ調べられていません。ですから以下の研究結果はエニアグラムの検査全般についてのもので、mind.ioの結果がどれだけ正確かを示す数字ではありません。

RHETIを287人に実施した研究では、内的一貫性はおおむね適切でしたが、構成概念妥当性の支持はまちまちで、発見を助ける道具としての価値（ヒューリスティックな価値）は強く支持されたと報告しています（Newgent ほか, 2004, 要旨による）。この論文のもとになったニュージェントの博士論文では、九つのタイプ尺度のうち六つの内的一貫性が0.70〜0.82で、残り三つは0.56〜0.66と低めでした（Newgent, 2001, Scott, 2011による）。

二度目に受けたときにどれだけ同じ結果が出るかを示す再検査の数値も、検査と標本によって大きく違います。トルコで参加者の91.3%が女性のオンライン標本3,531人をもとに検査を開発した研究では、そのうち200人が4週間以内にもう一度回答し、タイプ尺度の再検査相関は0.289〜0.512で、研究者たちはこれを満足できる水準と見ました。ただし同じ標本で一緒に測ったBig Five短縮版の再検査相関も0.292〜0.501と同じように低かったので、この数字からエニアグラムがBig Fiveより不安定だとは言えません（Yanartaş ほか, 2022）。韓国の研究で使われてきた韓国版エニアグラム性格タイプ検査は、開発時の再検査信頼性が0.89だったと紹介されていますが、これは検査の開発者が共著者に入った学会誌論文が引用している開発者側の数値で（Jin & Youn, 2009, 要旨による）、独立した研究で確かめた再検査のデータは今回見つかりませんでした。

専門家にタイプを決めてもらえば、もっと正確でしょうか。エニアグラムを研究したサットンは、質問紙で決めたタイプはワークショップで決めたタイプよりおおむね安定しにくいと先行研究をまとめています（Sutton, 2007）。しかし、ナランホやその弟子に学んだ専門家がインタビュー映像を見てタイプを判定した研究では、専門家どうしの判定が一致したのは映像の半分ほどで、2.5〜3年後に同じ映像を見直した専門家7人の判定が最初の判定と一致した度合いは、経験の多い側で0.598、少ない側で0.434でした（Gamard, 1986, Scott, 2011による）。ワークショップや専門家の判定も、正解を保証する基準ではないということです。

理論のとおりなら、人の回答は九つのまとまりに分かれるはずです。設問への回答がいくつの筋にまとまるかを見る統計手法を因子分析といいますが、系統的レビューによると、因子分析では多くの場合九つより少ない因子しか出ず、クラスター分析で九つのタイプを探した研究はまだありませんでした（Hook ほか, 2021, 要旨による）。RHETIのデータを分析したニュージェントの博士論文でも、タイプごとに回答が二つの筋に分かれ、理論のいう九タイプの構造を裏づけなかったと解釈されています（Newgent, 2001, Scott, 2011による）。

反対の結果もあります。スコットは博士論文で、RHETIを6段階の設問に書き直してオンラインで6,401人の回答を集め、各タイプに一つずつ対応する九つの因子を得たとして、これを九タイプの「最初で唯一の」実証的根拠だと主張しました。スコットは、自分のタイプを前から知っていると答えた人と知らないと答えた人とで、九つの因子とその内的一貫性に違いはなかったと報告していますが、参加者はエニアグラム研究所のウェブサイトを通じて自ら参加した人たちで、41.9%はすでに自分のタイプを知っていると答えていました。スコット自身も、自ら参加した人による標本であることと再検査をしていないことを限界に挙げ、結論に「少なくともエニアグラムに関心のある人たちのあいだでは」という条件をつけています（Scott, 2011）。

エニアグラムのタイプとBig Fiveなどの性格特性の点数を比べた研究は、理論が予想した方向の関係をかなり示しています。1週間の集中コースか週末コースを3回以上受けて自分のタイプを決めた416人（75%が女性で、英国と米国の出身者が大半）を調べたサットンの研究では、Big Fiveについて立てた28の仮説のうち21が支持されました。たとえばタイプ1はほかの参加者より誠実性が高く、タイプ4は情緒安定性が低く開放性が高く、タイプ5は外向性が低く、タイプ7は外向性が高いという結果でした（Sutton, 2007）。トルコの研究でも、誠実性はタイプ1の尺度といちばん強く関連していました（r = 0.622; Yanartaş ほか, 2022）。こうした重なりをMBTIの文字に置き換えるとどうなるかは、「エニアグラムとMBTI」のガイドにまとめました。

けれども、こうした重なりだけでは、九つのタイプが互いにはっきり区別されるのか、あらゆる性格を漏れなく含むのかは分かりません。スコットも先行研究をまとめる中でこの点を指摘し、すでに自分のタイプを知っている参加者はその説明になじんでいるため、説明に合わせて「自分らしい」と答えうることも弱点に挙げています（Scott, 2011）。サットンの研究でも、エニアグラムのタイプは仕事への態度を価値観や動機の尺度と同じくらいには予測しましたが、Big Fiveほどではありませんでした（Sutton, 2007）。

mind.ioのエニアグラム診断はタイプごとに5問なので、5問すべてに答えていれば、回答を一つ1段階変えるだけでそのタイプの点数が5点動きます。ですから1位と2位の差が5点以内なら、次に回答を一つ変えるだけで順位が入れ替わることがあります。差が大きいほど、回答がいくつか変わっても順位はひっくり返りにくくなります。

そのため結果画面では、1位の番号だけでなく九つのタイプすべての点数を示します。1位と2位が同点か5点以内のときは両方を候補として示し、心の奥で望んでいることや避けたいことなどを比べる3つの質問を出します。この質問は考えを整理するためのもので、点数を付け直すことはなく、保存される結果も変わりません。差が6〜10点のときは、近い2位を一行で知らせます。こうした表示は検査が間違っているという意味ではなく、今回の回答では二つのタイプの動機が同じくらい表れたという情報です。

ウイングも同じように入れ替わることがあります。結果画面のウイングは、自分のタイプの両隣のうち点数が高いほうなので、両隣の点数が近いと4w3と4w5のあいだを行き来することがあり、同点なら両方を候補として示します。ウイングという考え方そのものを裏づける研究は、まだ少ないのが現状です（Hook ほか, 2021, 要旨による）。ワークショップでタイプを決めた人たちに最長1年後にもう一度尋ねたところ、平均85%が同じタイプを選び、タイプを変えた人の半数以上は元のタイプの隣の番号に移ったという古い研究があります（Wagner, 1981, Sutton, 2007による）。サットンはこれをウイングの考え方の初期の根拠と見ていますが、点数の出る質問紙を受け直す再検査とは別の種類のデータです。

同じ人でも、そのときの状態が回答を揺らします。疲れているときと余裕があるとき、職場の自分を思い浮かべたときと家での自分を思い浮かべたとき、なりたい自分として答えたときとで、選ぶ文が変わることがあります。サットンは、質問紙は本人が意識している自己像しか尋ねられないので、エニアグラムのいう無意識の動機を測ろうとする質問紙は信頼性が低く出うると考えました（Sutton, 2007）。スコットも再検査をしていないことを限界に挙げ、タイプの検査がその時々の状態ではなく長く続く特性を測っているという前提が大切だと書いています（Scott, 2011）。

もう一つあります。mind.ioのエニアグラム診断は、2026年10月に設問7問を新しい設問に入れ替えました。保存された結果はそのままですが、それ以前の結果と今受け直した結果が違うなら、設問が変わったことも理由の一つかもしれません。

一つ目に、番号よりも点数の分布を見てください。1位と2位・3位の差が何点か、二回の結果でいつも上位に来るタイプはどれかを確かめましょう。毎回上位に来る二つ三つのタイプがあるなら、「自分は4番なの？5番なの？」という迷いが、「自分は4番と5番の動機をどちらもよく使う人なんだ」という、より正確な説明に変わります。

二つ目に、候補のタイプの説明を並べて読み、行動より動機で見分けてみてください。エニアグラムでは同じ行動でも動機が違えば別のタイプと考えるので、「自分がいちばん避けたいことは何か」という問いが役に立ちます。結果画面の3つの質問も同じ考え方です。二つの説明を比べるときは、誰にでも当てはまりそうな文は外して、二つのタイプを分ける文のうちどちらがより自分らしいかを見てください。あいまいな文でも自分のことのように感じる理由は、バーナム効果のガイドにまとめています。自分をよく知る人に、どちらがより自分らしいか聞いてみるのも役立ちます。

三つ目に、時間をおいてから受け直してください。結果が気に入らないからとすぐに何度も受け直すと、設問を覚えて望む答えを選びやすくなります。数週間後、疲れすぎても浮かれすぎてもいないふつうの日に、特定の場面ではなくふだんの自分を思い浮かべて答えてみましょう。そのあいだに、実際にぶつかったり立ち直ったりする場面で、どのタイプの説明が当てはまるかを見ておくのもよい方法です。

四つ目に、点数で確かめ直してみてください。ビッグファイブ診断は人をタイプに分けず、五つの特性を点数で示します。ビッグファイブの点数がエニアグラムの番号を決めてくれるわけではありませんが、境目にいる人が自分を別の角度から見る手がかりになります。

エニアグラムは自分の動機を振り返る言葉としては役に立ちますが、人を選び分けるのには向いていません。エニアグラムの有用性を高く評価して研究してきたサットンも、2007年の博士論文で、本当に信頼できて妥当なタイプの質問紙はまだ開発されていないと書き、タイプを見つけるには時間がかかるうえ、特定の仕事をする能力をまったく測らないため、選考の目的には明らかに向かないと述べています（Sutton, 2007）。面接でエニアグラムの番号を聞いたり、特定のタイプを優遇したりするのは、こうした研究者の結論からも遠く離れています。

エニアグラムは診断の道具でもありません。うつや不安のような困りごとを番号で判断したり説明したりすることはできません。気分の落ち込みや心配で日常がつらいなら、タイプより先にその困りごと自体に目を向けましょう。うつのセルフチェック（PHQ-9）や不安のセルフチェック（GAD-7）は、専門家に相談する前に今の状態を言葉にする手がかりになります。これらのチェックも診断ではありません。

成長に役立つという話はどうでしょうか。いくつもの研究が個人的・霊的な成長に役立ったと報告していますが（Hook ほか, 2021, 要旨による）、効果の確かめ方は研究によって違います。エニアグラムの研修団体に所属する研究者も加わった研究で、研修の参加者122人の自我発達を研修前と18か月後に測ったところ、全体の平均の変化は統計的に有意ではなく、八つの研修グループのうち一つ（23人）だけが有意に上がりました。研究者たちは一部の参加者の成長を示すと解釈しましたが、研修を受けない比較グループはありませんでした。研究者たち自身も準実験的な設計と自ら申し込んだ参加者であることを限界に挙げ、より統制された研究で確かめる必要があるとしています（Daniels ほか, 2018）。役に立ったという実感は本物かもしれませんが、それがエニアグラムのおかげかどうかは、より厳密な研究で確かめる必要があります。

最後に、番号を人を決めつけるラベルとして使わないことも大切です。同じ番号でも人はみな違い、結果はお互いの動機を理解する対話の出発点として使うときに役立ちます。根拠がまちまちだということは、根拠がまったくないということとは違い、検証が済んだということでもない点を覚えておいてください。

Q. エニアグラムは科学的に検証された検査ですか？ A. 104の標本を検討した系統的レビューは、信頼性と妥当性の根拠はまちまちだとまとめています（Hook ほか, 2021, 要旨による）。Big Fiveと理論どおりの関係を示した研究もありますが、人が実際に九つのタイプに分かれるのかはまだ確かめられていません。そのため、Big Fiveのように大規模な研究で練り上げられてきた特性検査とは性質が異なります。

Q. サイトごとに番号が違います。どれが正しいのですか？ A. 誰もが使う公式の検査はなく、検査ごとに設問と採点の仕方が違うので、どれか一つのサイトの番号を正解と見るのは難しいでしょう。何度受けてもよく上位に来る二つ三つのタイプを候補にして、それぞれの根本的な動機と恐れを読みながら自分で見分けてみてください。

Q. 専門家やワークショップでタイプを決めれば、もっと正確ですか？ A. ワークショップで決めたタイプは質問紙で決めたタイプよりおおむね安定しているというまとめがありますが（Sutton, 2007）、専門家がインタビュー映像を見てタイプを判定した研究では、専門家どうしの判定が一致したのは半分ほどでした（Gamard, 1986, Scott, 2011による）。誰が決めるにしても、自分の経験に照らして時間をかけて確かめることが必要です。

Q. ウイングや矢印（ストレスと成長の方向）に根拠はありますか？ A. ウイングやタイプ間の移動を裏づける研究は少ないのが現状です（Hook ほか, 2021, 要旨による）。mind.ioの結果画面でも、これらはエニアグラム理論の解釈として示しています。疲れているときと楽なときの違いに気づくための地図として参考にしてください。

Q. 会社や学校で、エニアグラムで人を分けてもいいですか？ A. 人を選んだり評価したりするのには向いていません。エニアグラムを研究してきたサットンも、タイプを見つけるのに時間がかかり、仕事の能力を測らないという理由で、選考の目的には向かないと述べています（Sutton, 2007）。お互いの動機を理解するための対話の道具として使うことと、人を評価することは別のことです。

Q. MBTIとエニアグラムでは、どちらが正確ですか？ A. 二つの検査は見ている層が違います。MBTIがエネルギーの向きや判断の仕方といった好みを見るのに対し、エニアグラムはその奥にある動機と恐れを見ます。ただ、どちらも人をタイプに分けるので、境目に近いと結果が変わりうる点は同じです。MBTIの結果が変わる理由はMBTI診断の正確さのガイドにまとめています。タイプではなく点数で見たいなら、ビッグファイブ診断が向いています。

参考文献：Hook, J. N., Hall, T. W., Davis, D. E., Van Tongeren, D. R., & Conner, M. (2021), The Enneagram: a systematic review of the literature and directions for future research, Journal of Clinical Psychology 77(4), 865-883, https://doi.org/10.1002/jclp.23097; Scott, S. A. (2011), An analysis of the validity of the Enneagram, doctoral dissertation, College of William and Mary, https://doi.org/10.25774/w4-b0e9-4630; Sutton, A. (2007), Implicit and explicit personality in work settings: an application of Enneagram theory, doctoral thesis, University of Leeds, https://etheses.whiterose.ac.uk/id/eprint/2869/; Newgent, R. A., Parr, P. H., Newman, I., & Wiggins, K. K. (2004), The Riso-Hudson Enneagram Type Indicator: estimates of reliability and validity, Measurement and Evaluation in Counseling and Development 36(4), 226-237, https://doi.org/10.1080/07481756.2004.11909744; Yanartaş, Ö., Malakcıoğlu, C., Acarkan, İ., & Akça, E. (2022), Validity and reliability of Enneagram personality types and subtypes inventory in a Turkish sample, Anadolu Kliniği Tıp Bilimleri Dergisi 27(3), 248-259, https://doi.org/10.21673/anadoluklin.1104082; Jin, J.-Y., & Youn, Y.-S. (2009), A study of the Korean Enneagram Personality Type Indicator based on item response theory [in Korean], Enneagram Research 6(1), 9-30, https://www.earticle.net/Article/A115589; Daniels, D., Saracino, T., Fraley, M., Christian, J., & Pardo, S. (2018), Advancing ego development in adulthood through study of the Enneagram system of personality, Journal of Adult Development 25, 229-241, https://doi.org/10.1007/s10804-018-9289-x; Riso, D. R., & Hudson, R. (2000), Understanding the Enneagram: the practical guide to personality types, New York: Houghton Mifflin (cited in Scott, 2011); Newgent, R. A. (2001), An investigation of the reliability and validity of the Riso-Hudson Enneagram Type Indicator, doctoral dissertation, University of Akron (cited in Scott, 2011); Daniels, D., & Price, V. (2009), The essential Enneagram, New York: HarperCollins (cited in Scott, 2011); Gamard, W. S. (1986), Interrater reliability and validity of judgments of Enneagram personality types, doctoral dissertation, California Institute of Integral Studies (cited in Scott, 2011); Wagner, J. (1981), A descriptive, reliability and validity study of the Enneagram personality typology, doctoral dissertation, Loyola University of Chicago (cited in Sutton, 2007)